観測対象のエージェント（例：歩行者や車両）の将来の軌道を予測するため、複数の時間スケールにおける目標を推定し、それらを活用する手法を提案する。本研究では、移動するエージェントの目標は時間とともに変化しうるという主張を行い、目標を連続的にモデル化することで、将来の軌道予測により正確かつ詳細な情報を得られると考える。この目的のため、ステップごとの目標を駆動する再帰型ネットワーク、すなわちStepwise Goal-Driven Network（SGNet）を提案する。従来の研究が単一の長期的な目標のみをモデル化するのに対し、SGNetは複数の時間スケールで目標を推定・利用する。具体的には、過去の情報を捉えるエンコーダ、将来の連続する目標を予測するステップワイズ目標推定器、および将来の軌道を予測するデコーダから構成される。本モデルは、3つの第一視点交通データセット（HEV-I、JAAD、PIE）および3つの上空視点データセット（NuScenes、ETH、UCY）において評価され、すべてのデータセットで最先端の性能を達成することを示した。コードは以下のリンクで公開されている：https://github.com/ChuhuaW/SGNet.pytorch。